首页|基于多尺度特征融合Faster R-CNN的绝缘子自爆缺陷研究

基于多尺度特征融合Faster R-CNN的绝缘子自爆缺陷研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
随着无人机巡检技术的发展,无人机拍摄的绝缘子图片数量呈指数增长,亟需一种高效的缺陷识别方法,为此提出一种改进后的深度学习方法.首先,采用多尺度特征融合方法改进传统的Faster R-CNN方法,实现绝缘子小目标的精准识别;然后,结合图像处理方法实现自爆绝缘子的识别和定位;最后,以某500 kV输电线路采集的大量绝缘子图片作为数据集对方法进行验证.结果 表明,所提方法适用于不同排列方式下的绝缘子缺陷检测,绝缘子自爆缺陷检测准确率为91.3％,检测效率较高.结果 可为无人机巡检提供一定的技术支撑.
Research on Insulator Self-detonation Defects Based on Multi-scale Feature Fusion Faster R-CNN

周自强、赵淳、范鹏

展开 >

南瑞集团有限公司(国网电力科学研究院),江苏南京211106

国网电力科学研究院武汉南瑞有限责任公司,湖北武汉430074

绝缘子 自爆缺陷 深度学习 图像处理 多尺度融合

国家电网公司科技项目

524606180084

2020

水电能源科学
中国水力发电工程学会 华中科技大学 武汉国测三联水电设备有限公司

水电能源科学

CSTPCD北大核心
影响因子：0.525
ISSN：1000-7709
年,卷(期)：2020.38(11)
  • 2
  • 8
  • 8